对象检测的工作原理

对象检测算法根据已知的对象类别集合来识别和定位图像中的对象的所有实例。该算法接受图像作为输入并输出对象所属的类别，以及它属于该类别的置信度分数。该算法还使用矩形边界框预测对象的位置和比例。Amazon SageMaker Object Detection 使用单枪多箱探测器 (SSD) 算法，该算法将为分类任务预先训练的卷积神经网络 (CNN) 作为基础网络。SSD 使用中间层输出作为检测特征。

各种CNN，例如 VGG，在图像分类任务上ResNet都取得了出色的表现。亚马逊中的物体检测 SageMaker 支持 VGG-16 和 ResNet -50 作为固态硬盘的基础网络。该算法可以在完全训练模式或迁移学习模式中训练。在完全训练模式下，基础网络使用随机权重进行初始化，然后根据用户数据进行训练。在迁移学习模式下，基础网络和权重是从预训练模型加载的。

对象检测算法在内部动态使用标准数据扩增操作，例如翻转、重新调整和抖动，以帮助避免过度拟合。